基于測地距離的人臉識別的研究.pdf

1、人臉識別是現(xiàn)今生物識別范疇中的重要研究方向之一。因為三維人臉的自由度是六個，包含著更多的數(shù)據(jù)信息，所以，在當(dāng)代，研究者已開始逐漸將目光從二維人臉轉(zhuǎn)向三維人臉識別的研究。測地距離(Geodesic Distance)是數(shù)學(xué)形態(tài)學(xué)中的一個概念，相比于傳統(tǒng)的距離度量，能夠較好地克服表情的變化和姿態(tài)的變化等問題帶來的影響，鑒于以上的兩個優(yōu)點，本文主要以測地距離理論為依據(jù)，在此基礎(chǔ)之上，初步探究了二維人臉和三維人臉的識別方法，論文的主要研究內(nèi)容和

2、成果如下：
　　針對人臉檢測數(shù)據(jù)中集中的信息均為高維特征向量且人臉識別易受表情變化影響等問題，本文提出了一種測地距離的KPCA(Kernel Principal Component Analysis)人臉識別方法，該方法中，主成分的提取利用非線性方法來完成。先采用KPCA方法，把人臉數(shù)據(jù)映射到高維空間，進(jìn)而在高維空間中提取人臉的主成分，其中核函數(shù)為多項式核函數(shù)，然后引入測地距離替換原來的歐氏距離來進(jìn)行相似度量，其能更準(zhǔn)確的測量出兩

3、像素點間的實際距離，使得人臉識別率受表情變化影響小，實驗表明，該方法不但可以實現(xiàn)降維，而且能達(dá)到有效提取特征的目的，同時，使得識別的魯棒性強(qiáng)，取得較高的識別率。
　　針對傳統(tǒng)方法對人臉定位準(zhǔn)確率較低問題，對三維人臉定位算法進(jìn)行了優(yōu)化，提出了一種基于測地距離的三維人臉定位算法，測地距離能夠較好地克服姿態(tài)變化和表情變化所產(chǎn)生的影響，對于給出的某張三維人臉，先利用濾波等方法對該人臉實施了基本的數(shù)據(jù)處理，再對過濾后的數(shù)據(jù)，定位特征鼻尖點，

4、進(jìn)而對整張人臉進(jìn)行定位，最后將人臉模型統(tǒng)一到相同的坐標(biāo)系框架下，給后續(xù)過程中人臉的特征提取和匹配奠定基礎(chǔ)，實驗表明了該方法的有效性。
　　針對人臉數(shù)據(jù)信息復(fù)雜，出現(xiàn)誤匹配而較難辨識的問題，提出了一種基于測地距離的特征匹配的人臉識別。該方法是結(jié)合三維人臉的多數(shù)據(jù)信息和二維人臉?biāo)惴ㄖ械膬?yōu)勢，以獲取的二維人臉虛擬圖像為基礎(chǔ)來進(jìn)行實驗分析，利用SIFT(Scale Invariant Feature Transform)方法進(jìn)行特征提取，